Aujourd’hui, on parle de plus en plus de rendre l’éducation davantage personnalisée pour mieux répondre aux besoins de chaque élève. Prenons une classe où l’enseignement s’adapte automatiquement à la manière dont chaque élève apprend le mieux, à ce qu’il sait déjà et à ce qui l’intéresse.
C’est un peu l’idée derrière ce qu’on appelle l’adaptive learning, qui se trouve à la croisée de plusieurs domaines comme l’informatique, la psychologie, l’éducation, et même les neurosciences.
L’adaptive learning tente de dépasser les limites de l’enseignement traditionnel en utilisant des logiciels avancés. Ces logiciels ajustent le contenu enseigné pour qu’il corresponde parfaitement aux besoins d’apprentissage uniques de chaque étudiant.
Ils prennent en compte comment les étudiants interagissent avec le matériel d’apprentissage, ce qu’ils comprennent déjà et comment ils préfèrent apprendre.
Bien que l’idée soit prometteuse et que ces systèmes soient devenus plus accessibles, leur intégration dans l’éducation reste encore assez limitée.
Ils offrent pourtant une grande flexibilité et montrent un potentiel énorme pour transformer l’apprentissage, que ce soit dans le cadre de l’école traditionnelle ou pour des formations continues tout au long de la vie.
Un aperçu historique
Historiquement, l’initiative “SCHOLAR” marque le point de départ des explorations dans le domaine des systèmes d’adaptive learning et intelligent, avec des projets novateurs tels que Knewton aux États-Unis, Smart Sparrow en Australie, qui ont suivi.
Ces développements illustrent la richesse et la diversité des applications de l’adaptive learning, depuis les premières expérimentations jusqu’aux systèmes avancés actuels.
La technologie derrière l’adaptive learning se décompose en plusieurs modèles ou composantes clés, chacun contribuant de manière unique au processus d’apprentissage :
Le modèle expert, qui encapsule le contenu à enseigner.
Le modèle apprenant, qui capture et analyse les données de l’utilisateur pour suivre sa progression.
Le modèle d’instruction, qui oriente la sélection et la présentation du contenu éducatif.
Cette architecture modulaire permet une personnalisation approfondie de l’expérience d’apprentissage, adaptant en temps réel les parcours éducatifs aux besoins spécifiques de chaque apprenant.
Les systèmes d’adaptive learning, par leur capacité à personnaliser l’enseignement, offrent une voie prometteuse vers une éducation plus efficace et engagée, marquant ainsi une étape significative dans l’innovation pédagogique.
Composantes clés de la technologie adaptative
Sélectionner les bons traits personnels à analyser pour les intégrer dans des systèmes d’adaptive learning est un casse-tête pour les chercheurs.
Le problème vient du grand nombre de caractéristiques personnelles possibles à considérer. Dans le cadre des logiciels d’adaptive learning étudiés, une grande variété de ces caractéristiques a été utilisée pour créer des profils d’apprenants sur mesure.
D’après une recherche faite par Normadhi et al. en 2019, l’analyse des recherches dans l’adaptive learning révèle la répartition suivante des traits étudiés :
Les traits liés à la manière dont on pense et apprend, appelés traits cognitifs, sont les plus utilisés, représentant 64,10 % des cas
Elles sont suivies par les traits affectifs, qui touchent nos émotions (9%)
Et enfin les traits comportementaux ou psychomoteurs (6,41%)
Parmi ces catégories, le “style d’apprentissage” est le trait le plus couramment utilisé, avec 44,87% des cas.
Le modèle de Felder-Silverman est souvent choisi pour classifier ces styles d’apprentissage. Il différencie les apprenants selon plusieurs critères, tels que leur préférence pour le visuel ou verbal ou leur approche séquentielle ou globale de l’apprentissage.
Retrouvez plus de détails concernant ce modèle ci-dessous.
Premier apport de l’adaptive learning : le renforcement de l’engagement et de la motivation
Dans le paysage actuel de l’éducation, où l’attention des étudiants est sollicitée de toutes parts et la motivation peut parfois s’effriter, l’importance de captiver et d’engager devient cruciale. L’adaptive learning, avec son approche sur mesure, offre une solution prometteuse pour relever ce défi.
L’adaptation du contenu pédagogique aux besoins et préférences individuels ne se limite pas à améliorer la compréhension ou à personnaliser l’expérience d’apprentissage.
Elle joue également un rôle fondamental dans le renforcement de l’engagement et de la motivation des étudiants. En effet, lorsque les apprenants voient que le matériel d’étude résonne avec leurs intérêts propres et leur niveau de compétence, ils sont naturellement plus enclins à investir du temps et de l’énergie dans leur apprentissage.
Cette approche ciblée permet non seulement d’éviter la frustration liée à des matériels trop difficiles ou trop faciles mais encourage également un sentiment d’accomplissement en alignant les défis avec les capacités individuelles.
Prévenir pour mieux enseigner
Une des grandes forces des systèmes d’adaptive learning, c’est leur capacité à donner aux enseignants des informations précieuses très tôt, parfois avant même le premier test ou examen.
En observant de près comment un étudiant progresse, ces systèmes permettent d’identifier rapidement ceux qui pourraient avoir des difficultés. Avec ces informations en main, les enseignants peuvent intervenir tôt, offrant un soutien supplémentaire à ceux qui en ont besoin, afin de les aider à surmonter les obstacles avant qu’ils ne deviennent insurmontables. Cela aide à éviter que des étudiants ne décrochent et contribue à leur succès.
Selon Pugliese en 2016, ces systèmes adaptatifs prennent en compte les différentes connaissances de base que chaque élève apporte en classe, ainsi que leur progression individuelle dans le cours, en se basant sur leur maîtrise des compétences et des objectifs d’apprentissage. Ce faisant, ils allègent le fardeau des enseignants en termes de temps consacré à l’enseignement traditionnel et à la remédiation, leur permettant de se concentrer davantage sur l’accompagnement et l’orientation des élèves.
En d’autres termes, cette technologie permet aux enseignants de mieux répartir leur attention et leurs ressources, en se concentrant là où les élèves en ont le plus besoin, rendant l’éducation plus efficace et enrichissante pour tous.
Amélioration des résultats d’apprentissage
Quand on parle d’adaptive learning, se pose tout de même la question : est-ce vraiment efficace ? Plus précisément, est-ce que ces systèmes sur mesure aident réellement les élèves à apprendre mieux et plus rapidement que les méthodes traditionnelles ?
La plupart des recherches s’accordent à dire que, oui, l’adaptive learning est plus efficace (Imhof et al., 2020). Cela signifie que les élèves qui utilisent ces systèmes peuvent améliorer leurs résultats académiques comparés à ceux qui suivent des schémas plus classiques.
Par exemple, une étude a montré que les élèves utilisant un programme d’enseignement personnalisé pour l’algèbre, doublaient presque leur score sur des problèmes d’algèbre spécifiques et obtenaient de meilleures notes à des tests standards, comparés à ceux suivant un enseignement traditionnel (Corbett et al., 2000).
Cependant, tous les systèmes d’adaptive learning ne se valent pas, et leurs effets peuvent varier énormément. Certains études ont rapporté des gains d’apprentissage modestes, tandis que d’autres ont observé des améliorations significatives, en particulier pour les élèves ayant des difficultés.
Ce qui est intéressant, c’est que ces systèmes semblent parfois réduire l’écart de réussite entre les élèves en difficulté et ceux qui réussissent bien, en aidant davantage ceux qui en ont le plus besoin.
Et les autres particularités des étudiants dans tout ça ?
Les recherches montrent aussi que prendre en compte divers aspects de la personnalité de l’élève, comme ses émotions, sa motivation, ou encore sa capacité à s’auto-réguler, peut améliorer l’efficacité de l’adaptive learning.
Cependant, il est important de noter que tous les aspects de l’adaptive learning ne sont pas aussi bien soutenus par la recherche.
L’adaptation aux styles d’apprentissage discuté plus haut, par exemple, est un sujet controversé. Malgré sa popularité, il manque une base théorique solide pour prouver son efficacité, ce qui a conduit certains chercheurs à remettre en question son utilité.
Aussi l’adaptation aux émotions est assez peu documenté. Pourtant, cette dimension de l’adaptive learning pourrait jouer un rôle crucial en reconnaissant et en répondant aux états émotionnels des apprenants, améliorant ainsi l’efficacité et l’engagement.
Les émotions jouent un rôle significatif dans notre capacité à apprendre et à retenir l’information. Un programme d’enseignement personnalisé capable de s’adapter non seulement au niveau de connaissance, mais aussi aux humeurs et aux sentiments, pourrait transformer radicalement l’expérience d’apprentissage.
Le bien-être dans l’apprentissage
Les émotions jouent un rôle significatif dans notre capacité à apprendre et à retenir l’information. Un programme d’enseignement personnalisé capable de s’adapter non seulement au niveau de connaissance, mais aussi aux humeurs et aux sentiments, pourrait encore transformer l’expérience d’apprentissage.
Mimyr
Sur cette lancée vers une éducation plus intégrée et bienveillante, s’inscrit l’émergence de Mimyr, une plateforme d’apprentissage qui cristallise l’esprit de l’éducation 5.0.
